GUSOT: Green and Unsupervised Single Object Tracking for Long Video Sequences

要約

ディープラーニングテクノロジーに依存する教師ありおよび教師なしディープトラッカーは、近年人気があります。
それでも、それらは高い計算の複雑さと高いメモリコストを要求します。
この作業では、リソースに制約のある環境での長いビデオのオブジェクト追跡を目的とした、GUSOTと呼ばれる緑色の教師なし単一オブジェクトトラッカーを提案します。
短期間の追跡に適したベースライントラッカーUHP-SOT++に基づいて構築された、GUSOTには、2つの新しいモジュールが含まれています。1）失われたオブジェクトの回復と2）色の顕著性に基づく形状の提案です。
これらは、トラッキング損失の問題を解決するのに役立ち、より柔軟なオブジェクトの提案をそれぞれ提供します。
したがって、GUSOTは長期的に高い追跡精度を達成することができます。
長いビデオシーケンスを使用して大規模なデータセットLaSOTで実験を行い、GUSOTがモバイルおよびエッジコンピューティングプラットフォームでアプリケーションを見つける軽量で高性能な追跡ソリューションを提供することを示します。

要約(オリジナル)

Supervised and unsupervised deep trackers that rely on deep learning technologies are popular in recent years. Yet, they demand high computational complexity and a high memory cost. A green unsupervised single-object tracker, called GUSOT, that aims at object tracking for long videos under a resource-constrained environment is proposed in this work. Built upon a baseline tracker, UHP-SOT++, which works well for short-term tracking, GUSOT contains two additional new modules: 1) lost object recovery, and 2) color-saliency-based shape proposal. They help resolve the tracking loss problem and offer a more flexible object proposal, respectively. Thus, they enable GUSOT to achieve higher tracking accuracy in the long run. We conduct experiments on the large-scale dataset LaSOT with long video sequences, and show that GUSOT offers a lightweight high-performance tracking solution that finds applications in mobile and edge computing platforms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google